Klasifikasi dan Penghitungan Kendaraan Bergerak pada Malam Hari Menggunakan Similarity Lampu Belakang

Susanti, Ramadhani Dwi (2019) Klasifikasi dan Penghitungan Kendaraan Bergerak pada Malam Hari Menggunakan Similarity Lampu Belakang. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 06111540000114-Undergraduate_Theses.pdf Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Kemacetan diakibatkan oleh banyaknya jumlah kendaraan melebihi kapasitas jalan. Jika diketahui jumlah kepadatan rata-rata kendaraan yang melintas, maka dapat menjadi pertimbangan pembangunan infrastruktur. Oleh karena itu, penulis membuat penelitian untuk mengklasifikasikan dan menghitung kendaraan di malam hari menggunakan similarity lampu belakang. Teknik yang dipakai adalah dengan memasangkan setiap lampu belakang kendaraan yang telah dideteksi dimana memiliki karakteristik yang sama, dalam hal ini digunakan kesamaan piksel untuk proses pairing. Setelah itu pasangan lampu belakang itu dihitung dan diklasifikasikan jenis kendaraan sebagai sepeda motor atau mobil. Penelitian ini menghasilkan penghitungan yaitu pada Video 1 dengan kondisi lalu lintas yang sedang mampu mendeteksi 79 dari 88 sepeda motor dan 32 dari 35 mobil dengan akurasi 90,24%. Video 2 dengan kondisi cukup sepi mampu mendeteksi 52 dari 56 sepeda motor dan 9 dari 11 mobil dengan akurasi 91,04%. Video 3 dengan kondisi lalu lintas yang cenderung ramai merata mampu mendeteksi 63 dari 71 sepeda motor dan 23 dari 29 mobil pada kondisi sebenarnya dengan akurasi 86,00%.
=========================================================================================================================================
Congestion is caused by the large number of vehicles exceeding road capacity. If we know the amount of the average density of vehicles passing by, it can be a consideration of infrastructure development. Therefore, the authors made a study to classify and calculate vehicles at night using similarity of vehicles rear lamp. The technique is used by authors is to pair each vehicle's rear lamps that have been detected which have the same characteristics, in this case I used the similarity of pixels for the pairing process. After that the pair of rear lamps will be calculated and classified as the type of motorbike or car. This study resulted in a calculation that in Video 1 with not-so-busy traffic conditions able to detect 79 of 88 motorbikes and 32 of 35 cars with accuracy 90,24%. Video 2 with fairly quiet conditions was able to detect 52 of 56 motorcycles and 9 of 11 cars with accuracy 91,04%. Video 3 with crowded traffic conditions can detect 63 of 71 motorcycles and 23 of 29 cars in actual conditions with accuracy 86,00%.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Blob Detection, Color Detection, Vehicle Classification At Night, Rear Lights, Counting Vehicle, Similarity.
Subjects:	T Technology > TA Engineering (General). Civil engineering (General) > TA1637 Image processing--Digital techniques. Image analysis--Data processing.
Divisions:	Faculty of Mathematics and Science > Mathematics > 44201-(S1) Undergraduate Thesis
Depositing User:	Ramadhani Dwi Susanti
Date Deposited:	10 Aug 2026 07:00
Last Modified:	10 Aug 2026 07:00
URI:	http://repository.its.ac.id/id/eprint/66281

Actions (login required)

View Item